Mercury Decide 和 Jev 哪个便宜：3 档成本测算

Mercury Decide 和 Jev 都是专门做决策的决策模型，不吐长文、只返回选择、评分或带概率的是/否，因为输出极短，两家都不收输出 token 费，成本几乎全看输入。结论先说：Mercury Decide 每百万输入 0.02 美元，Jev 每百万输入 0.042 美元，Jev 单价约为 Mercury 的 2.1 倍。调用量越大差距越明显，后面按 3 档调用量把月成本折算给你看。

先看两家到底收什么费

决策模型和你熟悉的聊天模型计费方式不一样。聊天模型按输入 + 输出双向收 token，还会因生成长文多花钱；而决策模型回答空间被锁死，输出很短，所以这两家都按输入 token 一枚收费，输出不计费。这意味着单次调用的成本完全由你喂进去的上下文长度决定，问题定义得越干净，钱花得越少。

两张数字都是按每百万（1M）个输入 token 计的单价，不是按次。单位看着小，可一旦你的 Agent 里高频率连续小判断，比如路由该调用哪个模型、某封邮件要不要标漏、这个工单进哪个队列，调用量上来后单价差就会放大。

顺带提一句做参照：OpenAI 的 Decisions API（基于 GPT-6 Luna）输入价是每百万 0.10 美元，同样不收输出费 来源。就是说，同样的决策任务，Mercury Decide 比 OpenAI Decisions 便宜 5 倍，Jev 也便宜一半多。这是决策模型赛道比通用大模型省钱的根源。

3 档调用量月成本测算

下面这个表是估算示例，假设一次决策平均消耗 1000 个输入 token，按各自每百万单价折算；你想按实际上下文长度微调，把“每次调用的 token 数”换掉重算即可。三档覆盖了个人调试、小业务到规模化 Agent 的典型量级。

• 1 万次/月：都便宜到可以忽略（Mercury 0.20、Jev 0.42 美元），选型看价格意义不大，主要看接口、速度与生态。
• 10 万次/月：Mercury 比 Jev 省一半多，一年差约 26 美元，幅度仍可忽略，但足够让你值得认真比较质量与稳定性。
• 100 万次/月：差距明显开始拉开。同样是百万次，Mercury 20 美元、Jev 42 美元，Jev 成本是 Mercury 的 2.1 倍。规模化后这一点就翻倍的单价差，会直接写进你的每一版本月度账单。

要说明的是，这个测算只算了输入 token。如果加上按量调用之外的人 /运维成本、你想本地托管的部署成本，两者成本差距还会变大。

抛掉的单价差不是唯一变量

单价只是一半的账，另一半是你的调用上下文有多大。虽然两家的价格都按输入走，但你输入 token 的长短决定了同样的单价背后实际要付多少钱。如果两类任务，Mercury 和 Jev 都对 10 万个 token 的上下文做判断，燃料成本会按 token 放大；反过来，判断很轻（几十 token）的任务，再贵的单价也花不了几个钱。所以选型前先把“平均一次判断有多少 token”这个数定清楚，比盯住单价更接近真实账单。这也是两家都按输入收费、输出免费的意义。

选型结论：什么时候选谁

结合价格差异与各自定位，给出直接结论，不和稀泥：

1. 想极致控成本、规模化上量：选 Mercury Decide。单价最低，且付费端点零数据留存，对隐私敏感的去重、RL 那类规模判断更适合。
2. 要生态成熟、被大面积验证：选 Jev。它上线最早、接入 Vercel/LangChain 等一批链更顺手，社区与开发者文档更重，适合你主链路已经切换、不想冒集成风险的场景。
3. 免费试到极致：两个都留了免费端点，先用 1 万次量级的免费调用把效果、速度、稳定性都测完，再决定上付费量级，钱花得最值。

如果你看不懂两边能力的边界，例如不知道“decision”和通用模型到底谁该承担哪些判断，可以看重站内的Mercury Decide 模型指南和Jev 是什么。

接入、验证与成本管控

真动手时，成本管控和接入一起落地：

1. 在 OpenRouter 或对应控制台建 key，绑定支付方式（Key 获取与 curl 调用配置）；
2. 给 key 设月度额度上限，先跑小批量对效果，再逐步放大；
3. 每周对一次账单，观察 token 用量是否和业务量匹配；
4. 判断类任务保量优先，把结果不当来回调用，别在单轮里塞超长上下文。

价格与额度随时可能调整，单价都逐项标注了来源（2026/10 时点），正式采购前请以官方定价页为准；官方没把输出计费写出来的，就按“输出不单独收费”看，别自行脑补。